Conditionally Consistent Estimators Using Only Probabilities of Selection in Complex Sample Surveys
复杂抽样调查中仅使用入样概率的条件一致估计量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是复杂抽样与有限总体均值估计，纵向调查仅作为示例，未描述面板结构建模，故不据数据名称分类。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
复杂抽样调查中仅使用入样概率的条件一致估计量
- 研究问题
- 复杂抽样调查中，能否利用入样概率的函数作为回归协变量估计有限总体均值，并为其构造相应的方差估计？
- 方法与思路
- 作者研究以入样概率函数为协变量的预测回归估计，基于响应给定入样概率的条件方差构造方差估计，并讨论整群扩展。
- 材料陈述的贡献
- 摘要提出经典概率加权估计的回归替代方案，给出方差估计，概述整群抽样扩展，并以教育调查数据说明。
- 阅读关注点
- 应核对题名所称条件一致性的定义与条件、入样概率函数的选择，以及方差关系设定和整群抽样中的依赖处理。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；未展开条件一致性证明或效率比较，不能仅因示例名称含纵向就认定面板方法或刊本变化。
原文摘要
Predictive regression estimators using functions of the probability of selection π i , as covariates are studied as an alternative to classical p-weighting estimators for the finite population mean in complex sample surveys. Variance estimators are developed based on the relationship var(y i | π i ), where y, is the response and π i is the probability of selection. Extensions to cluster sample designs are outlined, and an example is given from the National Educational Longitudinal Survey of 1988.